一、前言
随着工业化进程的加速和信息化技术的广泛应用，生产大数据平台的建设成为了制造业转型的关键。基于大数据的生产大数据平台，旨在通过数据驱动的决策，提升生产效率，优化资源配置，增强企业的竞争力。本课题源于此背景，旨在构建一个便捷、可靠、实时的生产大数据平台，以满足现代制造业的需求。
尽管现有的生产管理系统在一定程度上可以实现生产统计、生产批次进度管理和生产线作业进度管理等功能，但它们往往存在一些问题。例如，对数据的处理和分析不够准确，无法提供实时的生产信息；系统之间的数据交互不流畅，导致信息孤岛现象严重；另外，缺乏对异常情况的及时处理机制，使得生产过程中的问题无法得到及时解决。这些问题都迫切需要一个更加完善、更加智能的生产大数据平台来解决。
本课题旨在构建一个基于大数据的生产大数据平台，旨在实现以下目标：
提高生产统计的准确性和实时性，为管理层提供可靠的决策依据；
实现生产批次进度和生产线作业进度的实时监控，提高生产效率；
通过对生产数据的分析和挖掘，发现生产过程中的潜在问题，预防和减少生产事故的发生；
提供一个统一的、可扩展的数据管理平台，以实现生产数据的共享和交互。
本课题的研究意义在于通过构建一个基于大数据的生产大数据平台，实现对生产过程的全局把控和精细化管理。这不仅可以提高生产效率，降低生产成本，还可以提高企业的竞争力，推动制造业的数字化转型。同时，该平台也可以为管理层提供更加准确的生产数据分析结果，帮助其制定更加科学、合理的决策。此外，该平台还可以为生产线工人提供更加便捷、实时的生产信息，帮助他们更好地了解和掌握生产进度和生产状况。本课题的研究成果将有助于推动工业4.0的实施和发展。
二、开发环境
- 大数据技术：Hadoop、Spark、Hive
- 开发技术：Python、Django框架、Vue、Echarts、机器学习
- 软件工具：Pycharm、DataGrip、Anaconda、VM虚拟机
三、系统界面展示
- 生产大数据平台界面展示：
四、部分代码设计
- 大数据项目实战-代码参考：
def sqliteObject_to_list_h(cur, SQLsatement):
hxy = cur.execute(SQLsatement)
cmy = []
for i in hxy:
temp1 = []
for ii in i:
temp1.append(ii)
cmy.append(temp1)
return cmy
def sqliteObject_to_list_s(cur, r, SQLsatement):
hxy = cur.execute(SQLsatement)
cmy = []
for i in range(r):
cmy.append([])
for i in hxy:
num = 0
for ii in i:
cmy[num].append(ii)
num = num + 1
return cmy
def sqliteObject_to_list_a(cur, SQLsatement):
hxy = cur.execute(SQLsatement)
cmy = []
for i in hxy:
cmy.append(i[0])
return cmy
def sqliteObject_to_list_n(cur, SQLsatement):
hxy = cur.execute(SQLsatement)
cmy = ''
for i in hxy:
cmy = i[0]
return cmy
def db_open():
con = sqlite3.connect(DATABASE_PATH)
cur = con.cursor()
return con, cur
def db_close(con, cur):
cur.close()
con.close()
def parse1(time):
start_time = time[0:10]
stop_time = time[10:]
table = zfh(start_time, stop_time)
time = [start_time, stop_time]
return render_template('down_and_fault/parse/template_parse.html', time=time, table=table)
@_parse.route('/parse/ajax', methods=['POST'])
def parse2():
start_time = request.form['start']
stop_time = request.form['stop']
table = zfh(start_time, stop_time)
return render_template('down_and_fault/parse/parse.html', table=table)
def zfh(start_time, stop_time):
con, cur = db_open()
# 日期范围限制
hxy_r = f'''日期 >= "{start_time}" and 日期 <= "{stop_time}"'''
# 返回日期横坐标数组
time = sqliteObject_to_list_a(cur, f'''
select distinct 日期 from parse where {hxy_r}
''')
# 返回机组数据
crew = sqliteObject_to_list_a(cur, f'''
select distinct 机组 from parse where {hxy_r}
''')
# 表格内容顺序，机组编号，成材率，人均吨钢，吨电耗，单位产量，吨备件
table = sqliteObject_to_list_h(cur, f'''
select 机组,ifnull(ROUND(sum(正品)/sum(原料),2),''),ifnull(ROUND(sum(正品)/sum(人数),2),''),ifnull(ROUND(sum(耗电)/sum(正品),2),''),ifnull(ROUND(sum(正品)/sum(开机),2),''),ifnull(ROUND(sum(备件金额)/sum(正品),2),'')
from parse2
where {hxy_r}
GROUP BY 机组
''')
# # 图表内容顺序 人均吨钢，吨电耗，单位产量 吨备件和成材率不显示趋势，直接看最上面的总量即可
# # 图表的title文字,同时也可用于搜索
# pic_name = ['人均吨钢', '吨电耗', '单位产量']
# for i in pic_name:
# temp = sqliteObject_to_list_h(cur, f'''
# select 机组,{i}
# from parse1
# where {hxy_r}
# GROUP BY 机组
# ''')
#
#
#
#
#
# hxy1 = sqliteObject_to_list_h(cur, f'''
# select 机组,ROUND(sum(人均吨钢),2),ROUND(sum(吨电耗),2),ROUND(sum(单位产量),2),ROUND(sum(吨备件),2)
# from parse1
# where {hxy_r}
# GROUP BY 机组
# ''')
#
# hxy2 = sqliteObject_to_list_a(cur, f'''
# select 机组,ROUND(sum(正品)/sum(原料),2)
# from parse
# where {hxy_r}
# GROUP BY 机组
# ''')
# 每日趋势区域
db_close(con, cur)
return table
五、论文参考
- 计算机毕业设计选题推荐-生产大数据平台-论文参考：
六、系统视频
生产大数据平台-项目视频：
大数据毕业设计选题推荐-生产大数据平台-Hadoop
结语
大数据毕业设计选题推荐-生产大数据平台-Hadoop-Spark-Hive
大家可以帮忙点赞、收藏、关注、评论啦～
源码获取：私信我